stable diffusion的安装方法 最新本地部署教程

本地部署 Stable Diffusion 的核心不在于下载软件本身，而在于构建一个隔离且版本严格匹配的 Python 运行环境。大多数部署失败并非因为硬件不足，而是由于系统全局 Python 版本干扰、Git 网络连通性问题或 NVIDIA 驱动与 CUDA Toolkit 版本错位导致的依赖解析失败。只有当 Git、Python 和 GPU 驱动三者处于正确的因果链条上时，WebUI 才能顺利启动。

WebUI 成功启动后的终端输出，显示本地访问地址

为什么 Git 克隆总是中断或报错

Stable Diffusion WebUI 的代码托管在 GitHub 上，国内网络环境直接执行 git clone 极易出现连接重置或速度极慢的问题。这不仅是网络波动，更是因为 Git 协议对完整仓库历史的校验机制导致的中断不可恢复。

如果直接使用默认命令：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

往往会在接收对象阶段卡死。这是因为 Git 需要下载完整的 .git 历史目录，数据量大且对连接稳定性要求极高。

修正策略是使用深度克隆（Depth Clone），只获取最新的一次提交记录，大幅减少数据传输量并降低断连风险：

git clone --depth 1 https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

若仍然失败，需检查是否配置了有效的 Git 代理，或改用 Gitee 等国内镜像源同步代码。注意，镜像源的代码更新可能滞后，生产环境建议最终切换回官方源维护。

Python 版本如何决定依赖安装的成败

Stable Diffusion WebUI 对 Python 版本有严格的边界限制。目前主流版本强烈推荐使用 Python 3.10.x。使用 Python 3.11 或更高版本会导致部分底层 C++ 扩展编译失败，而 Python 3.9 则可能因缺少新特性支持而报错。

许多用户直接在系统全局环境中安装依赖，这会引发“依赖地狱”：其他项目需要的库版本与 SD 所需的版本冲突，导致 pip install 陷入无限解析或覆盖安装。

命令行中显示 (venv) 前缀，表示虚拟环境已激活

正确的因果逻辑是：先创建虚拟环境，再在该隔离环境中安装依赖。

1. 确保已安装 Python 3.10，并在安装时勾选 "Add Python to PATH"。
2. 进入 webui 目录，执行以下命令创建虚拟环境：

python -m venv venv

3. 激活虚拟环境：

# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

此时命令行前缀会出现 (venv) 标记，表明后续所有 pip 操作仅影响当前项目，不会污染系统全局环境。这是保证后续 requirements.txt 能准确安装的关键前提。

GPU 驱动与 CUDA 的匹配机制

Stable Diffusion 的计算重度依赖 GPU。对于 NVIDIA 显卡，必须安装 CUDA 工具包对应的驱动版本。显存大小决定能否运行，而驱动版本决定能否启动。

常见误区是认为只要安装了最新显卡驱动即可。实际上，PyTorch（SD 的深度学习框架）编译时绑定了特定版本的 CUDA Runtime。如果系统驱动支持的 CUDA 版本低于 PyTorch 要求的最低版本，程序会直接抛出 CUDA error 或回退到 CPU 模式，导致生成速度极慢。

nvidia-smi 输出界面，高亮显示 CUDA Version 字段

可以通过以下命令检查当前驱动支持的最高 CUDA 版本：

nvidia-smi

输出右上角的 "CUDA Version" 即为驱动支持的上限。确保该版本号大于或等于 WebUI 启动脚本中调用的 PyTorch 版本所要求的 CUDA 版本（通常为 11.8 或 12.1）。

若显存小于 4GB，必须在启动参数中添加 --lowvram 或 --medvram，强制模型分片加载到内存中，否则会在初始化阶段因显存溢出（OOM）而崩溃。

模型文件放置与启动参数的因果关联

代码环境就绪后，最后一步是放置检查点模型（Checkpoint）。许多用户将 .safetensors 或 .ckpt 文件随意放入子文件夹，导致 WebUI 扫描不到模型。

标准路径结构是固定的：

stable-diffusion-webui/
└── models/
    └── Stable-diffusion/
        ├── model.safetensors
        └── another_model.ckpt

任何偏离此结构的放置都会导致下拉菜单为空。此外，首次启动建议使用 webui-user.bat (Windows) 或 ./webui.sh (Linux)，而不是直接运行 launch.py。启动脚本会自动检测虚拟环境并安装缺失的 Torch 依赖。

若启动卡在 "Running on local URL" 之前，查看控制台输出的最后几行错误信息。如果是 ModuleNotFoundError，通常是网络问题导致 pip 下载失败，可配置国内 pip 镜像源后重新运行启动脚本。

正确的模型文件存放路径层级展示

本地部署的本质是环境隔离与依赖对齐。一旦理解了 Git 深度克隆、Python 虚拟环境隔离以及 CUDA 驱动向下兼容的因果逻辑，绝大多数安装问题都能通过定位具体断裂环节来解决，而非盲目重装系统。